抄録

◎永島元貴・菅沼　睦・亀山　渉（早大）・手塚知幸・今成宏幸・篠永裕之・新田勤子（東芝三菱電機産業システム）

近年、工場の製造ラインでは品質管理のために多数のセンサを設置している. また、これらのセンサは多変量時系列データとして記録され、異常検知にも用いられているが、従来法では閾値の設定などのコストが必要である. そこで本稿では、スパースコーディングを用いた異常検知の手法を提案する. まず、正常時に取得された多変量の時系列センサデータを辞書として学習した. この構築された辞書を用い、観測データと実際に起こりうる異常を想定し作成した擬似異常データを分解し、それぞれ得られた係数をSVMにかけた. 実験の結果、従来のSVM単独による識別よりも提案手法によって高い精度で異常を検知できることが示唆された.